核方法在解決非線性復(fù)雜問題模式分析時表現(xiàn)出優(yōu)異性能,已經(jīng)成為當(dāng)前機器學(xué)習(xí)的熱點。核學(xué)習(xí)的正則化路徑算法是數(shù)值求解核學(xué)習(xí)問題的有效方法。由核學(xué)習(xí)正則化路徑的分段性質(zhì),該類算法既可以求解正則化參數(shù)在某一特定取值時對應(yīng)的優(yōu)化問題的解,也可以記錄正則化參數(shù)在所有可能值時的優(yōu)化問題的解。目前,我國大部分油田已經(jīng)進入開發(fā)后期,普遍存在含水量和注水量逐漸上升、產(chǎn)油量逐漸降低等問題。石油工作者們需要不懈地對油井和水井進行注采調(diào)整,以保證它們在生產(chǎn)過程中的含水及壓力等特征相對穩(wěn)定。因此,選擇產(chǎn)油量的動態(tài)分析模型尤為重要,其結(jié)果的可靠性與油田開發(fā)中長期規(guī)劃和部署息息相關(guān)。對單井產(chǎn)油量的變化趨勢進行分析,及時發(fā)現(xiàn)問題并找出原因,提出適當(dāng)?shù)慕鉀Q問題措施,從而合理地開發(fā)油藏。結(jié)合本文的研究工作是基于建立解路徑及提升算法速度問題展開,主要工作內(nèi)容體現(xiàn)在以下幾個方面:（1）提出了ε-SVR正則化路徑近似算法SVRRP_MCC和多核學(xué)習(xí)正則化路徑近似算法MKLRP_MC。在解路徑建立的過程中,將Monte Carlo方法引入目標問題求解,在原始矩陣的基礎(chǔ)上進行抽樣,得到近似于原... 

【文章來源】：東北石油大學(xué)黑龍江省

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

非線性可分數(shù)據(jù)

圖 2.2 核非線性映射示意圖持向量機等學(xué)習(xí)機器中，核函數(shù)通常都基于歐氏距離或者歐式內(nèi)積，半正定性等都必須滿足 Mercer 條件。cer 條件. 設(shè) X 是p的一個緊子集， k :X X 是一個連續(xù)的對希爾伯特空間上的積分算子滿足積分正定條件：2( ), ( , ) ( ) ( )X Xf L X k x z f x f z dxdz ,存在一個特征空間 和一個映射 : ，使得k (x , z ) (x ) (z ).不同情況下的應(yīng)用，可選取不同類型的核函數(shù)。常用的幾種核函數(shù)核：( , ) ,i j i jK x x x x .式核：

支持向量機[63]。與傳統(tǒng)的統(tǒng)計學(xué)理論相比，支持向量機完備的理論基礎(chǔ)，使其在解決高維模式識別、小規(guī)模及優(yōu)勢，能夠有效的處理有限規(guī)模樣本的學(xué)習(xí)問題。由于特性，使其成功應(yīng)用在模式識別[64]、回歸估計[65]、生識別[68]等多個領(lǐng)域。平面性可分的訓(xùn)練樣本，一類用 表示，一類用 表示。H線，1H 和2H 分別是平行于 的直線，且經(jīng)過各類樣本用支持向量(Support Vector)表示 和 上的點，分類。由圖可知，將 適當(dāng)旋轉(zhuǎn)角度，仍可滿足將兩類樣本的分類線 并不唯一。所謂最優(yōu)分類線(Optimal Hyper差地被劃分，同時使得分類間隔達到最大。將此定義推變?yōu)榱俗顑?yōu)超平面。

【參考文獻】：
期刊論文
[1]SVRRPMCC:一種支持向量回歸機的正則化路徑近似算法[J]. 王梅,王莎莎,孫鶯萁,宋考平,田楓,廖士中.  計算機科學(xué). 2017(12)
[2]應(yīng)用改進無偏灰色模型預(yù)測油氣田產(chǎn)量[J]. 黃全華,付云輝,陸云,陳沖,劉彤.  巖性油氣藏. 2016(05)
[3]基于主動學(xué)習(xí)的有監(jiān)督在線多核學(xué)習(xí)算法[J]. 劉寧,趙建華,馮驁驁.  河南科學(xué). 2016(09)
[4]基于輸入K-近鄰的正則化路徑上SVR貝葉斯組合[J]. 王梅,曾昭虎,孫鶯萁,楊二龍,宋考平.  山東大學(xué)學(xué)報(工學(xué)版). 2016(06)
[5]基于Boosting框架的非稀疏多核學(xué)習(xí)方法[J]. 胡慶輝,李志遠.  計算機應(yīng)用研究. 2016(11)
[6]基于多核系統(tǒng)的并行線性RankSVM算法[J]. 聶慧,彭嬌,金晶,李康順.  計算機應(yīng)用研究. 2017(01)
[7]基于Lasso-Lars的密井網(wǎng)水驅(qū)注水量影響因素分析[J]. 王梅,孫鶯萁,宋考平,高雅田,楊二龍.  數(shù)學(xué)的實踐與認識. 2016(08)
[8]基于K均值聚類和粒子群優(yōu)化的多核SVM圖像分割[J]. 吳迪,戴芳,郭文艷,胡勝.  計算機系統(tǒng)應(yīng)用. 2016(04)
[9]基于SVM分類模型的垃圾文本識別研究[J]. 黃正偉,唐芳艷.  數(shù)學(xué)的實踐與認識. 2016(07)
[10]基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在原油產(chǎn)量預(yù)測中的應(yīng)用:以大慶油田BED試驗區(qū)為例[J]. 馬林茂,李德富,郭海湘,李偉偉.  數(shù)學(xué)的實踐與認識. 2015(24)

博士論文
[1]正則化路徑上的支持向量機模型組合[D]. 王梅.天津大學(xué) 2013
[2]典型試驗區(qū)石油開發(fā)指標的變化規(guī)律預(yù)測及效益評價[D]. 李德富.中國地質(zhì)大學(xué) 2013
[3]支持向量機模型選擇研究[D]. 汪廷華.北京交通大學(xué) 2010
[4]面向生物數(shù)據(jù)分析的支持向量機技術(shù)的研究[D]. 劉建麗.北京工業(yè)大學(xué) 2007

碩士論文
[1]基于系統(tǒng)建模的水驅(qū)油田動態(tài)預(yù)測及應(yīng)用研究[D]. 胡雪梅.西南石油大學(xué) 2016
[2]基于支持向量機的密井網(wǎng)水驅(qū)配注方法研究[D]. 李歡.東北石油大學(xué) 2016
[3]基于油藏建模成果的油田開發(fā)指標預(yù)測及狀態(tài)評估方法[D]. 張宇航.東北石油大學(xué) 2016
[4]致密氣藏多層壓裂直井產(chǎn)能影響因素數(shù)值模擬研究[D]. 張銘洋.長江大學(xué) 2016
[5]低滲透油田中后期可采儲量預(yù)測方法的研究與應(yīng)用[D]. 蔡恒.西南石油大學(xué) 2015
[6]多核學(xué)習(xí)算法及其在人臉檢測中的應(yīng)用[D]. 淦艷.重慶師范大學(xué) 2015
[7]多核學(xué)習(xí)方法在分類問題中的應(yīng)用研究[D]. 崔清亮.蘭州交通大學(xué) 2014
[8]極限學(xué)習(xí)機算法的改進及其在抽油機井中的應(yīng)用研究[D]. 蘇志偉.中國計量學(xué)院 2014
[9]杏子川油田注水開發(fā)動態(tài)分析[D]. 李琳.西安石油大學(xué) 2013
[10]基于SVM的聯(lián)機手寫分類器設(shè)計[D]. 吳新榕.浙江大學(xué) 2012



本文編號：3421694